近日，天津大學神經工程團隊在國際神經工程領域頂級期刊《Journal of Neural Engineering》上發表題為“Enhance decoding of pre-movement EEG patterns for brain-computer interfaces”的研究論文，被英國物理學會出版社（IOP Publishing）授予“CHINA TOP cited paper award 2021”。該獎項由英國物理學會出版社發布，旨在表彰研究人員發表的最具影響力的論文。

    腦-機接口（BCI）在大腦與外界環境間建立起一條直接的信息交流通路，是新一代人機混合智能的關鍵核心技術。其中基于運動意圖的BCI是最自然的腦機交互方式，因而受到廣泛的研究。運動意圖過程包括動作發生前的運動預備階段與動作發生后的運動執行/想象階段。傳統運動意圖BCI研究大都解碼運動想象階段的腦電特征。與之相比，對運動預備階段的腦電特征進行解碼能夠使BCI響應速度更快，靈活度更高。然而，運動預備誘發腦電特征信號微弱，難以高效識別。

    天津大學神經工程團隊發展了極微弱誘發腦電信號解碼技術，并利用運動預備電位與事件相關去同步的特征互補性機制，設計了多維時-頻-空特征快速提取與融合方法，實現了運動預備階段腦電特征的快速識別，顯著提升了運動意圖腦電解碼效率。該研究提出的運動預備誘發腦電特征快速識別方法，可結合功能性電刺激（FES）應用于卒中患者康復訓練，有望提升皮質運動意圖與肌肉活動耦合的及時性，從而大幅提升康復效果；也可為航天員等特種人群在肢體束縛狀態下腦控“第三只手”進行高效的人-機交互提供技術支持。

    論文鏈接：https://iopscience.iop.org/article/10.1088/1741-2552/ab598f

    注：此研究成果摘自《Journal of Neural Engineering》雜志，文章內容不代表本網站觀點和立場，僅供參考。